混沌工程

Chaos Monkey 的诞生

2010 年，Netflix 正在把服务从自建数据中心迁移到 AWS，工程师们意识到：即使 AWS 每个组件都高可用，多个组件同时出现小概率故障时系统是否还能正常运行，在真正出事之前没人知道。于是他们写了 Chaos Monkey——一个随机在工作时间内（注意是白天，工程师在线）终止生产环境 EC2 实例的工具。

Chaos Monkey 之后，Netflix 扩展出整个「混沌猴子军团（Simian Army）」：Chaos Gorilla 会模拟整个可用区宕机，Latency Monkey 向服务间调用注入延迟，Chaos Kong 模拟整个 AWS Region 不可用。2012 年这套工具开源后，「混沌工程」作为一个正式术语开始流行。[1]

实施原则与工具

Netflix 工程师 2018 年总结了混沌工程的五条原则：建立稳态假设；在实验组和对照组之间对比；在生产环境运行（测试环境的行为不能代表生产）；最小化爆炸半径；自动化并持续运行。

今天的混沌工程工具链比 Chaos Monkey 丰富得多：Chaos Mesh（CNCF 项目，Kubernetes 原生，可注入网络分区、Pod 故障、JVM 异常）、Litmus（另一个 CNCF 混沌工程工具）、AWS Fault Injection Simulator（托管服务，可一键在 AWS 资源上注入故障）。